——网络图

来源| 医疗行业战略智库

编辑| 飞过海

【导  读】

数据显示，全球AI风投已经从2012年的5.89亿美元，猛增至2016年的50多亿美元。预计到2025年，人工智能应用市场总值将达到1270亿美元。其中，医疗行业将占市场规模的五分之一。在2017年仅第一季度就有30多家人工智能企业获得融资，落实到具体行业中，医疗健康领域的人工智能创业公司表现尤为突出，关注度和融资量最高。

2016年中国人工智能+医疗市场规模达到96.61亿元，增长率为37.9％，中国人工智能+医疗市场规模在持续增长，2017年将超130亿元，增长40.7％，有望在2018年市场规模达到200亿元。随着全球各大互联网巨头纷纷推出自己的人工智能产品和技术，2017年也被称为人工智能发展的拐点。火热的数据充分反映了人工智能对医疗行业的全方位颠覆性影响，如果我们对于互联网是否能够颠覆医疗还存有很大争议的话。

图1.人工智能是互联网+的延伸和下一站

鉴于目前大部分医疗人工智能企业都处在A轮以前，最多也就是到B轮，AI在医疗行业诸多领域的爆发将遵循从计算智能→感知智能→认知智能的顺序，但这三者的发展并不是严格的先后顺序关系，医疗生态链三个智能的融合与协同并进。

计算智能：从中期来看，未来5-7年计算智能将迎来全面发展：随着大数据、云计算的发展，人工智能在计算领域的计算智能可以依靠云计算对大数据的高效分析与智能计算，布局计算智能的国内外公司非常多，已经形成小部分商业功能。

感知智能：在感知智能领域，以直觉外科牵头的机器间接感知治疗已经形成小范围商业化；此外，众多科技巨头纷纷布局的智能语音、智能视觉等已经崭露头角，未来5-7年初级感知智能中的医疗智能语音、医疗智能视觉和可穿戴医疗设备等将迎来飞速发展。从长期来看，未来8-10年部分感知智能和认知智能将迎来全面发展：随着医疗智能视觉、医疗智能语音、可穿戴医疗设备等的发展，高精度传感器集成度的提高，感知智能的远程医疗、医疗机器人等将迎来全面发展.

认知智能：依赖计算智能和感知智能的发展，随着计算智能设备计算能力的加强和感知智能设备精确信息的采集，认知智能设备将拥有足够的数据信息进行决策与诊断，因此认知智能将在未来8-10年将迎来爆发。

图2.具体人工智能在医疗相关细分领域发展逻辑图，即爆发顺序预测图：

一.人工智能在医疗领域的不同层次

人工智能的最大特点是高效的计算和精准的分析与决策，刚好是当前医疗的痛点所在，因而人工智能在医疗行业有着广阔的发展空间，主要的应用领域有：

（1）基因测序;（2）药物发现;（3）医疗智能语音;（4）医疗智能视觉;（5）医疗机器人;（6）可穿戴设备;（7）远程医疗;（8）智能决策;（9）智能诊断等。

人工智能在医疗领域中可划分归类为：计算智能、感知智能和认知智能，人工智能在医疗领域的完美应用场景是感知智能、计算智能、认知智能互相协同，形成一个完整的智能闭环。

1.智能医疗之——计算智能:

计算智能是人工智能借助云计算对大数据的高效智能计算与分析，是人工智能的基础环节，也是认知智能和感知智能的前提和保障，最为典型的应用就是基因测序和药物发现。

基因测序：指分析特定DNA片段的碱基序列，也就是腺嘌呤（A）、胸腺嘧啶（T）、胞嘧啶（C）与鸟嘌呤的（G）排列方式。基因测序是一个典型的，依靠计算智能来发现人的个性化的例子,它能锁定个人病变基因，提前预防和治疗，预测罹患多种疾病的可能性，个体的行为特征，如癌症、白血病、运动能力、酒量等。基因测序相关产品和技术已由实验室研究演变到临床使用，因此基因测序技术，将会是下一个改变世界的技术。

药物发现：智能计算利用大数据为当代药物发现带来了空前的机会，它允许科学家在以前难以想象的时域和微观尺度探索化学多样性空间、发现药物靶标（设计药物分子的基础）、模拟受体-配体的相互作用（可以提前预测候选药物在正常人群以及患者体内的ADMET（药物的吸收、分配、代谢、排泄和毒性））、药物晶型分析以及中草药的配方问题。

以化合物的筛选为例，其包括合成—结构优化—结构改造的循环过程，一般这个过程是从化合物数据库中选取海量的化合物结构做初步分析，再通过生物实验手段筛选出初步有活性的化合物——先导化合物，结合活性数据和化合物结构得到初步的构效关系分析，不断优化化合物的结构；因此，药物发现中最重要的是对于海量数据的整合、分析与解读，从海量数据中快速地找到那些真正具有价值的成分，或通过对于数据的分析，及时总结出规律，缩短药物发现的时间。

图3.全球致力于运用人工智能技术助力药品临床前研发的公司

即使在药品立项时，借助计算智能对多种来源的海量数据信息的查询和分析，提高新药立项决策效率。这些数据就包括：疾病信息（疾病分类、发病率、死亡率、疾病趋势、目前的治疗手段及花费和风险等）、市场调查数据（全球的药物经济数据和上市信息）、专利数据（药品在全球大部分地区受到专利保护，其中包括化合物专利、制剂专利、应用专利等在药品立项前需要对相关专利做好侵权分析、技术分析、权利要求分析、法律状态分析等深入调研工作）。

2.智能医疗之——感知智能:

感知智能层是信息采集和信息控制的执行环节，也是潜在市场空间最大的环节，我们要关注新的技术和趋势。感知智能在医疗方面的应用主要用来解决人际交互问题包括：医疗智能视觉、医疗智能语音、可穿戴医疗设备等。

医疗智能语音：医疗智能语音是基于语音识别、语音合成、自然语言处理NLP等技术，为企业在多种实际应用场景下，赋予产品“能听、会说、懂你”式的智能人机交互体验。通过语音识别和疾病数据分析，可实现机器诊断疾病。

医疗是专业度更高的领域，有很多专业术语和专业技能需要机器去学习，只有通过海量的学习，人工智能诊断疾病才能更准确、更快捷、更安全，使得人机交互与智能诊断能成为现实。目前医疗智能语音主要用于医生电子病历的生成，以云知声的智能语音产品为例，在临床和科技室场景支持中，在神经科、免疫内科、血液科、普通内科等的语音识别准确率达到95%以上，辅以云端语义校正技术后，整体识别率接近100%。

图4  云知声的智能语音产品解决方案

视频：云知声医疗语音录入系统示例

医疗智能视觉：医疗智能视觉分析是智能视觉在医疗领域的应用。智能视觉在医疗行业的应用的要求要比其他行业更高，其最广泛的应用就是智能图像识别，通过智能视觉的图像识别技术，计算机可以分析病人的医学成像如X片检查情况，通过更精准的智能识别，给出更准确的判断。目前，智能视觉在对图像的检测效率和精度两个方面，都可以做得比专业医生更好，除此之外，还可以减少人为操作的误判率，克服人性的弱点。

图5.人工读片和AI读片的区别

图6.除了云知声之外，近期汇医慧影、雅森、连心和推想等公司接连获得了千万级的投资

医疗机器人：感应机器人系统是用于医院、诊所的医疗或辅助医疗的感应机器手臂或机器人，因为应用领域的不同，医疗机器人的种类很多，有临床医疗用机器人、护理机器人、医用教学机器人和为残疾人康复服务机器人等。

最为典型的代表就是美国直觉外科公司的达.芬奇手术机器人，其特点是，通过机器人系统获取更加精准的手术信息，同时，操作过程中拥有着比人手更加灵活精准的守护治疗，如今达.芬奇手术机器人已经在全世界范围内开始应用，并且已经为数以万计的患者提供服务，实现了全球范围的商业化。

如今，全球各地的研究人员正在开发外科机器人来解决那些通常具有侵入性且耗时的手术。MedicalDesign网站近日盘点了6款正在革新手术和医疗保健的外科机器人，包括通过一个直径不到1毫米的小孔在眼睛内操作的视网膜手术机器人、可以完成外科医生难以手工操作的外科手术的人工耳蜗植入机器人、轻松定位静脉并采血的机器人VenousPro、精度达亚毫米级且可广泛应用于脊柱全节段（颈、胸、腰、骶）、骨盆、四肢等部位螺钉内固定术的骨科手术机器人Phecda（天玑）、将手术时间从2小时缩短至2分钟半的颅骨手术机器人、以及缝合软组织速度是标准缝合程序50倍的缝合机器人。

图7.部分医疗机器人示意图

可穿戴医疗设备：可穿戴的医疗设备是可穿戴设备的一种，其重点是偏向于医疗数据的采集，它集成了多种无线传感器，可以测量环境指标如：空气湿度、温度、亮度、辐射强度等以及人的生理指标如：体温、心跳脉搏、呼吸、血压、血糖等，并通过无线网络将测量数据发送给接收的云端。

未来可穿戴医疗设备将会集成更多、精度更高的无线传感器，可以实时获取人身的各项生理数据，进而可以更好地配合医疗。

国外比较有影响力的可穿戴科技网站WT VOX整理的“2016十大医疗可穿戴设备”就包括专门为患有癫痫的病人设计的Embrace智能腕带、女性健康检测的Scanadu Urine尿液检测工具、专门检测乳腺癌的的iTbra 女性智能内衣、被用于心力衰竭和高血压患者的可吞服性智能药丸Helius、用于患有背部或者下背部疼痛以及相关疾病人群的背部可穿戴医疗设备Valedo、专门为哮喘、充血性心力衰竭和慢性阻塞性肺疾病患者设计的WRISTOX2 腕式脉冲血氧仪、为患有慢性疼痛疾病人群设计的QUELL 疼痛缓解仪、助人们更好实现运动或医疗康复训练的TMG-BMC MC肌肉传感器、为慢性疾病用户提供的Bodytel家庭智能诊断系统以及美敦力的MiniMed 530G人工胰腺系统。

图8.部分WT VOX整理的“2016十大医疗可穿戴设备”

远程医疗：远程医疗是指通过计算机技术、遥感、遥测、遥控技术为依托，充分发挥大医院或专科医疗中心的医疗技术和医疗设备优势，提高诊断与医疗水平、降低医疗开支、满足广大人民群众保健需求的一项全新的医疗服务。

远程医疗的前提是远程感知设备能够感知到足够多的、精准的医疗数据，并通过远程传递的方式送到医生面前，引领医生进行疾病诊断和治疗。目前，远程医疗技术已经从最初的电视监护、电话远程诊断发展到利用高速网络进行数字、图像、语音的综合传输，并且实现了实时的语音和高清晰图像的交流，为未来更进一步远程医疗的应用提供了先行条件。

3.智能医疗之——认知智能：

医疗认知智能是人工智能在医疗领域应用的高级阶段。其特点在于其机器能够“理解”非结构化数据，就包括语言、图像、视频等，认知智能的核心能力实际上是机器拥有人类的某些能力，与人类相比，其优点是计算能力更加高效而且永不会疲劳。认知智能在医疗领域应用时，一方面可以进行医疗相关信息的管理，另一方面又可以参与疾病的诊断与治疗。

医疗智能决策：智能决策是建立在计算智能与感知智能的基础上做出深层次的智能决策，高效的医疗智能决策依赖于感知智能获取的精准信息、又依赖于计算智能的高效计算，感知智能和计算智能都是智能决策的前提条件。相较人的决策而言，医疗智能决策通过对医疗大数据的智能分析，在多条路径中高效选择找出最佳的决策路径，能有效提高医疗效率、降低医疗成本。智能决策可以用于医院医疗信息的管理，又可用于医疗方案的制定。

智能诊断：智能诊断也是建立在计算智能与感知智能的基础上做出深层次的医疗诊断。智能诊断在医疗诊断过程中能给出具体治疗方案，其方案是基于针对性的病情诊断结果，并对这种病情提出最佳方案建议和效果说明。

智能诊断的前提是要具备认知智能的“学习”与“思考”能力。以沃森医生为例，IBM Watson可以在17秒内阅读3469本医学专著，248000篇论文，69种治疗方案，61540次试验数据，106000份临床报告，通过海量汲取医学知识，包括300多份医学期刊、200多种教科书及近1000万页文字，因而IBMWatson在短时间内通过学习迅速成为肿瘤专家；除了学习能力外，还能“思考”，有效地将学到的海量知识利用起来，进而可以像专家一样提供医疗建议和咨询。

图9.waston工作时处理问题的基本流程

二.医疗行业生态链分析

医疗行业生态链主要由病人、医生、医院、药企、随身医疗设备企业以及卫生监管部门组成。其中，病人为整个医疗生态链的核心，病人的需求是医疗行业治疗的最初出发点和最终治疗的落地所在；而医院、医生、药企、随身医疗设备企业等均可看作服务部门，服务于病人的医疗需求。医疗行业生态链的行业痛点核心在于:

提供精准化、个性化医疗，以提供病人更好的疗效为根本，改善病人治疗时的体验。

1.新型医疗行业生态链以人为核心:

从病人群体角度看，所有人都是潜在的病人，因而所有人都在从事疾病治疗、康复理疗、疾病预防等的某一个或多个环节。加之环境恶化、老龄化加剧等等因素，使得无论是增量还是存量的医疗需求都得到了释放和增长，因此整个医疗生态链的市场空间非常大。

1.1医疗生态链之——端

医疗生态链的端指的是医疗设备终端，它是医疗设备和人的交互环节，是获取病人信息、反馈信息的关键环节。可以预见医疗生态链端的演化路径是便捷化、实时化、智能化，智能终端将具备日益丰富的感知能力和多模联网能力，进而演化成为网络获取信息的关键节点。对医疗生态链的端进行逻辑分类主要可分为:

医疗检测类、医疗治疗类、医疗辅助类等。

医疗检测类:基础医疗检测类：医疗检测设备是医疗终端的基础层次的设备，它是获取并判断人病情信息的关键设备，而病情信息又是医疗诊断的基础。获得越多的精准的病情信息，就会得到越大的正确诊断概率，提高治疗的可靠性。基础医疗检测设备主要可分为医院检测设备和随身医疗检测设备：

医院检测设备:是医疗检测设备的主体，具有检测专业性强、种类多等特点，主要有：血压检测、尿液检测、血液检测、心电图、B超、X光成像、CT成像、核磁共振成像等。其最大特点是检测精度高，由专业人员操控，但检测要求高，没有办法做到实时检测。

移动随身医疗检测:主要指的是一些装配某种特定传感器的可移动设备，如：智能手机、监测手表、健康手环以及当前非常热的智能可穿戴设备等来实现一些简单的医疗信息的获取。它是医院检测设备在空间上的延伸，其最大的特点是轻便、实时检测以及更好的检测体验。

新兴医疗检测类：随着医疗检测设备的不断发展，医疗检测逐渐从固有的基本检测指标中解脱出来，逐步迈入更加精准化、个性化的检测中。新兴的医疗检测如：基因检测、智能皮肤癌检测、虹膜识别检测以及一些主观指标如压力分析检测、情绪检测等。

基因检测：是通过对血液、其他体液、细胞等进行DNA的检测技术。基因检测是现代生命科学发展一个新的里程碑，标志着人类对自然发展过程规律的认识提高到一个很高的水平，基因检测给人类带来全新的生活方式，人类开始可以从科学意义上为自己的命运做主。

基因检测有三大意义：

1）疾病的诊断，例如对结核杆菌感染的诊断，以前主要依靠痰、粪便或血液培养，整个检验流程需要在两周以上，现在采用基因诊断的方法，不仅敏感性大大提高，而且在1小时内就能得出结果。

2）疾病的预防，就是检测健康人群的基因型，预测个人患病的风险，并向受检者提出生活上的指导，避免疾病的发生。比如结肠癌，这是一种常见的恶性肿瘤。如果一个人APC基因发生了问题，不能控制上皮细胞正常的新陈代谢，则失控的上皮细胞可能出现过度增生，这就是结肠癌演变的开始。而人体内的DCC基因和P53基因，这两个基因是抑制这些细胞癌变的。如果DCC和P53基因也存在问题，不能有效阻止这些细胞的癌变，那么即将面临结肠癌的威胁.

通过基因检测，在上皮细胞的增生还没有真正演化成结肠癌的时候，就能够发现结肠癌的苗头，及早采取措施进行预防，例如通过改善生活习惯，改变生活环境和科学的保健养生调节来有效地避免各种不良影响，经常每两年做一个肠镜，有异物及时微创切除，就有可能防止结肠癌的产生。

3）指导个体化用药，例如研究发现基因UGT1A1启动子区域的多态性与药物伊立替康的毒副作用有相关性。如果盲目用药可造成中性粒细胞减少及腹泻的副作用。美国FDA已建议病人在使用伊立替康前要进行UGT1A1基因型的检测。中国国家卫计委在新的临床检验项目目录中也增列了“化学药品个体化用药基因检测项目”。UGT1A1基因型检测对于临床正确用药，减少毒副作用，提高疗效具有明确的临床意义。

图10  基因体检和普通体检的区别

图11.我国基因测序行业中的一些代表公司

图12.三个基因检测的热点，市场正在逐步打开，巨大的市场发展空间

智能识别皮肤癌：以谷歌神经网络为代表的AI技术可通过手机诊断皮肤癌，准确率已高达91%以上，已经超过大部分皮肤专家的诊断能力。

其原理是给人工智能系统提供高质量的皮肤癌图片，系统经过机器学习可以识别出什么是皮肤癌，进而对图片进行对比分析与判断，给出诊断结果是否是皮肤癌，以及是早期还是晚期等。未来通过手机拍照的方式来检测癌症将成为可能。

智能虹膜检测：最新研究表明，虹膜是身体面对外界最精密最复杂的组织，通过对虹膜的检测可以有效识别病人患有某种疾病或者容易患上某种疾病的倾向。

虹膜是人脑的延伸，赋予千千万万神经末梢，细微的血管，肌肉及其他组织，虹膜与身体内脏器官相连接。按照虹膜图谱所显示，就可以观察出人体组织、器官、各系统、内分泌腺体的衰退、障碍及其未来可能的变化。

目前，HW-2010PC搭配HW-lris虹膜镜头的应用已经能准确的反映身体组织的质量评估，也就是亚健康的检测,使得在美容、保健和医疗临床辅助检测上得到广泛应用。因而，随着虹膜识别技术的不断完善，眼睛将不仅是通向心灵的“窗口”更为通向健康的“窗口”。

情绪分析检测：随着新型检测技术的不断发展，一些主观指标也进入了可检测的范围。

前不久麻省理工学院计算机科学和人工智能实验室的研究人员研制出一款名为EQ-Radio的情绪检测仪，通过让无线信号在接触一个人的身体后回弹，分析其呼吸和心跳信息，从而识别出愤怒、哀伤、高兴、愉悦等情绪。

据悉，这项技术无需受试者穿戴任何检测设备或身体传感器，其情绪检测仪仅基于心跳识别情绪的准确率就达到87%。因此，未来类似的主观指标检测也将逐步成为现实。

早在2012年，以色列的一家公司就发明了一系列算法，可以根据说话方式和音域变化，分析出愤怒、焦虑、幸福或满足等情绪。心情的细微差别也能被精准检测。至今为止，该算法可以分析出11个类别的400种复杂情绪。除了语音识别，表情与文本识别也是感知情绪的常用方式。

图13  情绪识别检测

所以，可以预见在不远的将来更多指标的检测将成为可能，例如精力识别可以帮助在高效率的时候工作或学习，低效率的时候养精蓄锐。设想一下这样一个场景，一个热爱学习的学生，他有很多课程要学习，但在某个时间段内他的记忆能力比较好，通过检测反馈的结果建议他适合学习文科记忆力科目；而在另一段时间里，他的记忆力不好但思考能力佳，通过检测反馈的结果建议他学习理工类偏向分析思考类的科目，这样以来，他的个人学习效率就可以得到大大提升。

医疗治疗类

传统医疗类：医疗治疗设备终端是医疗行业关键层次的设备，它是在获取病人病情信息的基础上进行针对性治疗的环节，病人最终治愈与否与这个环节有着最为直观的关系。传统医疗治疗主要可分为传统药物治疗和传统手术治疗两类。

新兴医疗类：新兴的治疗增加了更多的科技色彩，它也是在获取病人病情信息的基础上进行针对性治疗的环节，但治疗方式却发生了很大的变化，精准化、个性化成为治疗的主旋律。

例如当诊断出生病的时候，治疗的药物是根据个人身体身高、体重、男女等具体状况定制的，药物的类和量达到最好的比例。除了像达.芬奇机器人这样的大型手术机器人外，微小型的更加灵活地机器人也将成为可能。

谷歌未来科学家、技术工程总监雷伊．库兹维尔认为，十多年后，人类可以在使用超微型机器人医生，例如它可以进入血液在微观世界中为人治病，这种超微型机器人医生就是纳米机器人，大小和细胞差不多。除此之外，世界各地也有些研究机构在研制纳米医疗机器人，其目的是通过微型机器人向身体具体输送药物，实现靶向精准治疗的目的。还有VR式视力矫正治疗也将成为可能，近日，北京市未来影像高精尖创新中心联合北京理工大学等多家单位，进行了一项对长时间使用VR会不会比使用平板更伤害视力的实验。结果发现，使用VR在一定使用方式下，还能带来积极的影响。

医疗辅助类

医疗辅助类设备是为了辅助医院、医生、病人等，一方面，帮助医院更好地管理与治疗。另一方面帮助更好地治疗病人或辅助陪伴病人。帮助医院及医生的医疗辅助类设备如智能病床、医生助手等；帮助病人的设备有如辅助老人活动机器人、助听器、助视器等。

智能病床：智能病床是在传统病床的基础上，利用非接触式传感器来识别病人生理数据的一项综合系统，其优点不仅利于医院管理又给病人带来了更好地检测体验。

近日，以色列的数字健康公司EarlySense发布一款可嵌入病床的非接触式传感器系统，产品可监测那些身患重病、需全程跟踪，但不愿或不需身体接触监测仪的患者的病情。

EarlySense的监测系统对患者的生命体征进行大数据分析，以得知患者的健康情况，并帮助工作在无监控病房的医护人员及时了解患者的病程发展。同时，监测系统的使用为护理人员提高了工作效率，并降低了普通病房和ICU病房患者的住院天数。因此，未来智能病床会是医院改善医疗的一大突破方向。

智能医生助手：智能医生助手主要通过机器的特长来帮助医生对病情的诊断与治疗，目前，智能机器的语音、图像识别能力已渐渐实现全方位对人类的超越。

以阿里ET医疗大脑为例，在B超分析领域，通过计算机视觉技术和深度学习算法对甲状腺B超快速扫描分析，圈出结节区域，并给出良性与恶性的判断，可以大大节省医生的诊断时间，并且从目前的实验效果看，诊断系统的准确率已经比人类医生高出至少15%。

而最近7月14日，国际权威肺结节检测大赛LUNA16的世界纪录被一家中国企业打破。阿里云ET凭借89.7%的平均召回率夺得世界冠军。此项技术由阿里巴巴iDST视觉计算团队完成，并已集成到阿里云ET医疗大脑中。

大赛要求选手对888份肺部CT样本进行分析，寻找其中的肺结节。样本共包含1186个肺结节，75%以上为小于10mm的小结节。最终，ET在7个不同误报率下发现的肺结节平均召回率达到89.7%，超出第二名0.2%。召回率指在样本数据中成功发现的结节占比。

阿里巴巴iDST视觉计算团队负责人华先胜介绍，与常用的两阶段检测方法不同，他们创新性地使用了单阶段方法，全程无须人工干预。机器全自动读取病人的CT序列，直接输出检测到的肺结节。因此，智能医生助手一方面可以提供更精准的疾病判断，一方面又可以给出可靠的治疗建议，可以帮助医生做出更好的医疗判断与决策，为全面实现智能诊断打下基础。

活动辅助机器人：活动辅助机器人是近几年来机器人飞速发展的研究领域，其主要设计目的是为了帮助行动不便的人如：残疾人、老年人等实现便捷的生活。

以丰田为例，丰田加入了生产面向日本老年人口的行动设备的行列，其可穿戴式机器人腿支架系统WelwalkWW-1000将于近期上市。该系统将帮助残疾和老年人过上更为独立的生活，也可为护理他们的人提供支持。

而北京大艾机器人则率先推出以Ailegs双足型下肢外骨骼康复训练机器人和AiWalker移动台架型下肢外骨骼康复训练机器人为主的康复训练系统，为不完全脊髓损伤、脑卒中等原因造成的下肢运动功能障碍患者进行诊断、评估,再通过建立患者病案数据系统，采用核心算法为患者提供定制化的康复训练计划.

相较于传统的康复治疗模式，大艾机器人提供一整套数字化康复智能体系,使患者的康复过程更有效、更全面，减少患者康复成本，减轻患者及家属的心理压力。

助听与助视器：智能助听器主要用于具有听力障碍的老人身上，老年人长时间的听力障碍会引起各种连锁问题如：不合群、焦虑、急躁、缺乏安全感等心理问题。因而，听力障碍的早期干预极为重要,需要早期验配助听器和坚持佩戴助听器,这样才能提高、改善听力能力,保护残余听觉功能。

与助听器相似，助视器是能够改善或提高低视力患者视觉能力的任何一种装置或设备，助听器能使听力差的人听到他原来听不到的声音，而助视器可以使低视力患者能看清楚他本来看不到或看不清的东西。目前，助视器主要分为光学助视器和非光学助视器。我们认为，未来助听器和助视器将随着人工智能的发展更加智能化，未来盲人“看”到东西将不会是梦。

图14.辅助人行走的机器人、助听器/助视器、智能病床、阿里ET医疗大脑

2.2医疗生态链之——云

向云端加速迁移是医疗行业在IT应用方面的长远趋势。过去，整个行业的IT基础设施与系统是高度分散的，这种零碎、定制化的IT管理方式背后是对数据安全的担忧。现在，医疗行业已经开始效仿金融服务等其他领域，在不牺牲数据安全的前提下，充分享受云计算带来的成本与敏捷优势。鉴于目前医疗生态链多样化、碎片化和高度分散的性质，在采用云技术的同时，配合使用人工智能、移动技术等，将大幅提升医疗云的成效。

图15  博识医疗云的主要功能

2016年硅谷银行对122位医疗科技领域的创始人与投资人进行了调查，当问及2017年哪项科技对医疗产业影响最大时，46%的被访者选择大数据，35%的选择人工智能。这两个领域对医疗产业的影响最大。

图16.人工智能和大数据两个领域对医疗产业的影响最大

医疗信息存储与管理：医疗信息存储与管理是医疗信息和管理信息的汇总，并对信息进行分类存储管理，它是医疗生态链云端的基本职能。我们认为数据是“医疗＋人工智能”融合发展的关键之一，另外一个重要因素是算法。先进的算法提升数据处理效率与识别准确率，而数据是先进算法应用的基础。

目前，深度学习等算法的发展已经相对成熟，医疗数据的“质”是阻碍人工智能在医疗行业应用发展的主要原因。国际巨头IBMWatson2015－2016年花费约40亿美元收购数家具备健康数据资源的公司，也反映了数据的重要性。

随着全球医疗保健客户授权使用的健康数据量快速增长，将为行业发展提供先决条件。最为典型的就是传统医院的医疗数据中心和传统制药企业的研发数据中心。

以传统医院为例，传统医院的医疗数据中心是整个疾病治疗的枢纽，一方面将病人与医生联系起来，另一方面，又将药物与医生的药方连接起来。此外，医院的管理也离不开数据中心，因而传统医院的数据中心是整个医疗生态链的基础核心环节。

医疗数据挖掘与决策：医疗数据挖掘与决策是在医疗信息和管理信息的汇总和分类存储管理的基础上，基于大数据和云计算的进一步数据挖掘与应用，在海量医疗数据中发掘有用信息并且做出高效的决策，它是医疗生态链云端更深层次的高级应用，也是现在云端系统发展的主要方向。

最为典型的就是云计算数据中心，其深度挖掘与智能决策主要依赖于大数据、云计算和人工智能的发展。数据显示，2012年79%的商业工作是在传统数据中心处理的，21%是由云计算数据中心处理的，而2015年，传统数据中心商业处理仅占43%，57%的份额移到云计算数据中心，变化速度非常迅速。放眼未来，随着云解决方案的进一步普及，医疗行业在云技术应用方面将反超其他行业。如同新兴市场在移动支付等服务方面超越发达经济体一样，云计算亦为医疗行业提供了利用IT创新反超其他行业的良机。

三.人工智能颠覆医疗行业生态链

人工智能对医疗行业的颠覆，主要通过提供精准化、个性化的医疗，进而改善治疗的体验。

人工智能对医疗行业的颠覆是一个循序渐进的过程，我们认为，人工智能颠覆医疗的演化顺序将是如下过程。

首先，人工智能将颠覆传统的药企，颠覆传统药企主要体现在药物发现环节，可以提供精准化、个性化药品；其次，人工智能将颠覆传统的医院，传统的医院的核心是本地治疗，而人工智能可以促使传统医院从固定到移动、从近程到远程、从经验到精准；再者，人工智能将颠覆医生的诊断方式，可以帮助医生从繁琐的事物中解脱出来，做他们最擅长的事，充分发挥医生的特长并提高效率；最后，颠覆病人的看病体验，病人将实现足不出户即可得到精准的、个性化的所见即所得式的解决方案。

人工智能直击医疗行业痛点提供精准化、个性化医疗

当人工智能有了大数据和云计算辅助加之市场上大量的医疗案例可供学习，人工智能设备的医疗判断与决策将比医生更可靠。我们认为，未来机器判断的比重会越来越高，人工智能通过对病人个人信息与特点的深度分析，提供针对性更强的医疗解决方案，从而使得吃药、手术等治疗方案变得更加精准与可靠。

个性化医疗，又称精准医疗，是以个人基因组信息为基础，结合蛋白质组、代谢组等相关内环境信息，并考虑外部环境、生活习惯差异等因素，为病人量身设计出最佳治疗方案，以达到治疗效果最大化和副作用最小化的一门定制医疗模式。

传统医疗以病人的临床症状和体征，结合性别、年龄、身高、体重、家族疾病史，实验室和影像学评估等数据确定药物和使用剂量、剂型，这通常是一个被动的处理方式，缺乏个性化，无论是治疗过程还是治疗效果均难以令人满意。

而个性化医疗经常被描述为提供正确的剂量、在正确的时间、正确的药物与正确的病人，即让科学家和临床医生研制“个性化”的药品，必然有着更好的治疗效果与医疗体验。个性化医疗认为某种疾病有其共性，也有其区别，这种区别不是病人个体的区别，而是疾病亚型的区别，这种区别造成现有治疗手段对某些病人有效、对有些病人无效。个性化医疗要解决的就是为什么治疗对有些病人无效的难题，同时在无法做到治疗某种病的所有病人的情况下，为其中一部分人提供治疗手段。

图17.传统医学与个性化医学的区别

标准的现代医学治疗手段是患同一种病的所有病人都吃同样的药，属于“大锅饭”的水平。个性化医疗是要对疾病用生物标记进行细分，然后用对生物标记有针对性的靶向药物分别治疗。

1).4%的囊性纤维化CF病人因为携带G551D而导致CF，使用靶向药物VX-770可以使得这些病人的肺功能改善17%。这就是上面所说的，在无法治疗所有病人的情况下，为部分病人提供有效的治疗手段；

2).40%的糖尿病患者携带NT-proBNP生物标记，这些糖尿病患者患心脏病的危险高，因此可以通过NT-proBNP标记来区分糖尿病患者，对携带NT-proBNP者在他们心脏健康的时候进行干预。具体做法是将这些患者的RAAS拮抗剂增加到最大剂量，同时给予最大剂量的心脏选择性β受体阻滞剂，临床试验成功地将这些糖尿病患者患心脏病的风险降低64%。

3).无丙种球蛋白血症（agammaglobulinemia）是一种主要出现在男孩中的遗传性自身免疫病，表现为身体不能生产丙种免疫球蛋白，导致反复的细菌感染，只能毕生用丙种球蛋白治疗。科学家已经发现了修补造成这种疾病的基因变异的办法，正在研发靶向药物。

上面是个性化医疗的几个典型的例子。不仅仅是研究、药厂和临床在个性化医疗方面全力以赴，规范和管理也跟了上来，形成了全方位的发展。目前有超过300种疾病的2000多种生物标记被确定和研究，累计研发了超过20000种靶向药物，其中几千种被批准或者正在进行临床试验。这个趋势还在继续扩大，预示着现代医学正在进入个性化医疗的时代。

技术的快速进步，使得识别一个人的独特基因组成为可能。从长远角度看，个性化医疗通过更精确的诊断，预测潜在疾病的风险，提供更有效、更有针对性的治疗，预防某种疾病的发生，比“治有病”更节约治疗成本。

美国的个性化药品市场在2010年至2015年期间以9.5%的复合年增长率增长。这种增长在未来预计中将由以下几个因素驱动，如节约治疗成本、疾病早期诊断、药物安全性、患者的依从性和治疗的优化等。

目前，美国主导着个性化用药市场。然而，科技的进步和DNA领域的发展使得英国、法国、印度、中国和日本有望建立个体化用药市场。全球个性化医药行业在2014年的产值为1.00788万亿美元。预计将在2022年，预测期内增长，如果以预测期内的11.8%的年复合增长率增长的话，到2022年将达到2.4525万亿美元。

但是，实现个性化医疗有一个最大的障碍，即医疗系统不可能承受。随着人口的不断增多和寿命的不断延长，医疗系统已经到了无法承受的边缘。如此消耗医疗资源，势必严重影响为全民提供基本的医疗保障，反而导致整体医疗水平下降。

3.2.人工智能颠覆医疗行业演化路径

目前，中国“AI+医疗”产业尚处于起步阶段。随着全球科技巨头陆续将人工智能平台开放，将有效弥补我国在底层方面的积累不足，各个细分领域的AI+医疗创业公司将受益，未来更多针对性应用有望破蛹而出。人工智能颠覆医疗行业的演化路径主要顺序为：计算智能→感知智能→认知智能。从计算智能到感知智能再到认知智能，是人工智能的不断深化与完善的过程，也是实现人工智能对医疗行业颠覆的演化路径，三者将在互相协同并进中实现对医疗行业的颠覆。

3.2.1.  人工智能颠覆传统医药制造行业

传统医药企业的药品制造和经营具有很大的弊端。以药品发现为例，传统的制药过程需要大量的组合实验与样本测试，消耗大量人力、物力和财力，且制造出来的普适性药品收获的医疗效果很难令人满意。根据临床测试显示，传统的药品制造往往只对非常小的样本人群有效，而对于大部分人来说不仅起不到治疗作用，还有很大的副作用，因此人工智能将颠覆传统医药制造行业。

首先，人工智能将颠覆医药的发现模式。人工智能在医药发现中的应用越来越受到重视，人工智能借助大数据和云计算在医药发现中，可以通过海量数据模拟药物的效果与药物成分之间的化学反应。因而可以实现微观尺度探索化学多样性空间、发现药物靶标、模拟受体-配体的相互作用、解析药物分子的作用机制。对大数据的分析解读后，从数据海洋中寻找有效药物成分，快速完成药物的发现。

再者，人工智能使将颠覆医药的供应方式。传统的医药供应中，供应的均是通用的药物，而未来药企提供的是个性化的、精确的药物。传统医药供应中往往只注意到了人的通性而忽略到人的个性。而人工智能在医药行业的应用则可以有效解决个性的问题，人工智能通过辨别人的性别、体重、基因等方式来确定人的个性，并针对人的个性设计出对其效果最佳的药品，从而在大大提高药品的效果的同时减少对身体的损害。因而提供个性化、精准化的药物将是未来长期的发展趋势。

人工智能颠覆传统医院模式

传统医院模式是以医院为固定治疗地点，以医生诊断和治疗的中心，病人进入医院治疗通常是一个墨守成规的过程：挂号、诊断、检测、复诊（确诊）、开药、住院等，医院却几乎是疾病治疗的唯一场所，这将导致病人看病是耗时耗力，治疗体验又差。

随着科技的进步和医疗需求的提高，医院传统模式将会迎来变革，远程医疗和虚拟医院将成为医院的新兴模式。因此，人工智能对医院的颠覆将是从固定端到移动端、从近程到远程的变革。

首先，随着感知智能的不断发展，远程医疗将成为现实。在不远的将来，医疗智能语音、医疗智能视觉等将逐步商用化，智能医疗检测设备可以采集到病人精准的病情信息，而这些获取的病情信息往往比医生直接给病人检查来的还要精准，通过远程通信的方式将病人信息传递给远程的医生手中，医生根据精准的病情信息做出诊断与治疗，把病人从医院固定场所中解脱出来，从近程诊疗到远程诊疗。同时又获得了更可靠的治疗方案，省时省力，治疗体验更佳。

其次，随着人工智能中认知智能的不断发展，虚拟医院将成为现实。随着智能医疗决策和只能诊断的发展，越来越多的诊断与治疗均可由云端智能机器完成，通过感知智能与计算智能获取的病人精准的信息，经过网络层传递给云端智能诊断机器人，智能诊断机器人对病情可以做出更加精准的判断，同时反馈给病人更可靠的治疗方案，病人基本可以从传统的医院场所中解脱出来，从固定场所诊疗到移动任意场所诊疗。

人工智能颠覆医生诊疗方式

传统的医生诊疗方式是医生参与病人病情的诊断到病人病情的确认再到病人的后期治疗甚至包括病床的安排等的全过程，需要消耗大量的时间与精力。人工智能将对医生传统的诊疗方式带来改变，可以辅助医生诊断与治疗，将医生从繁忙、低效的工作中解脱出来。

首先，未来智能化医疗机器人将会成为医生的“助理”角色。随着计算智能、感知智能、认知智能的发展，智能化机器将可以辅助医生进行病情的诊断，最为典型的例子就是在医疗图像识别中。其中，以阿里ET医疗大脑为例，其已经可以实现比专家医生更可靠的图像识别，在图像识别、语音识别等医疗工作中做一名优秀的“医生助理”.

再者，随着“医生助理”的进一步升级，智能化医疗机器人将取代部分医生的职能。随着认知智能的不断发展，智能诊断将使得智能医疗机器人可以实现从疾病的诊断到病情的确立到治疗方案制定的一体化。因此，医生的职能角色将发生变化，医生可以从传统的医疗束缚中解放出来，成为医疗规则的制定者和医疗过程的监督者。

 人工智能颠覆病人治疗效果与诊疗体验

病人是整个医疗行业生态链的核心，病人的医疗需求是医疗行业的驱动力所在。我们认为人工智能在医疗行业的颠覆主要在于一方面提高了治疗的效果，另一方面改善了诊疗体验。

我们认为，随着智能医疗的不断上深化，病人可以足不出户地借助随身可穿戴设备等感知智能设备实时读取自身精准的医疗信息数据，然后通过网络将医疗信息数据传给诊断治疗方（医生或智能诊断云端），诊断治疗方根据病人的精准医疗信息做出疾病的诊断并制定配套的治疗方案。从而病人可以得到更好的检测体验与治疗体验。

试想一下这样一幅场景：一天一个病人感到身体不适，于是他利用身边的感知智能设备，联系了远方的医生，感知智能设备精准读取了他身上的医疗信息并通过无线网络传递给了远方的医生，医生根据医疗信息制定了针对他这次疾病的药物治疗方案，医生将药物信息通过网络发送给远方的制药企业，制药企业根据医生提供的药物治疗方案精准定制了药物并通过物流方式递送到病人手中。我们认为未来这样的景象将成为现实。

图18  未来医疗流程设想图

图19.国内外巨头布局与发展现状

总体来看，国外公司技术更成熟一些，在感知及认知智能方面布局显著领先；而国内的巨头还是偏向计算智能、感知智能，在高级阶段的认知智能方面，还没有显著的进展。其中在人工智能的高级阶段认知智能中，IBM是世界的先锋，代表着认知智能的现在，引领认知智能的未来。

— END—

恒瑞源正微信平台

声明：本平台所有的内容，凡注明来源为“恒瑞源正”，版权均归恒瑞源正所有，转载时请在文章开始端注明出处，否则将追究法律责任。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。

主编：周向军  

E-mail:[email protected]

编辑部主任：杨粉娣

欢迎投稿到邮箱:[email protected] 

稿费：100~1000

编辑微信：shirley091129

恒瑞源正微信公众号长按以下二维码可关注！